弗洛伊德算法

定义

弗洛伊德算法计算图中各个顶点之间的最短路径，迪杰斯特拉算法用于计算图中某一个顶点到其他顶点的最短路径。为了便于理解计算过程，可以这样认为：

迪杰斯特拉算法通过选定的被访问顶点(已确定最短路径)，来更新从出发顶点到图中其他顶点的路径，目的是求出从出发访问顶点到其他顶点的最短路径；弗洛伊德算法中每一个顶点都是出发访问点，所以需要将每一个顶点看做被访问顶点，通过该被访问顶点来更新出发访问顶点到其他顶点的路径。

算法过程如下：

设置顶点vi到顶点vk的最短路径已知为Lik，顶点vk到vj的最短路径已知为Lkj，顶点vi到vj的路径为Lij，则vi到vj的最短路径为：min((Lik+Lkj),Lij)，vk的取值为图中所有顶点，则可获得vi到vj的最短路径。

至于vi到vk的最短路径Lik或者vk到vj的最短路径Lkj，是以同样的方式获得。

示例

第一层循环中，以A(下标为：0)作为中间顶点，距离表和前驱关系更新为：

由图可知：

以A顶点作为中间顶点是，B->A->C的距离由N->9，同理C到B；C->A->G的距离由N->12，同理G到C

更换中间顶点，循环执行操作，直到所有顶点都作为中间顶点更新后，计算结束。

参考代码

class t{  
    public static void main(String[] args){  
        char[] vertex=new char[]{'A','B','C','D','E','F','G'}; //顶点数组  
        int[][] matrix=new int[7][];     //邻接矩阵  
        final int N=65535;  
        matrix[0]=new int[]{0,5,7,N,N,N,2};  
        matrix[1]=new int[]{5,0,N,9,N,N,3};  
        matrix[2]=new int[]{7,N,0,N,8,N,N};  
        matrix[3]=new int[]{N,9,N,0,N,4,N};  
        matrix[4]=new int[]{N,N,8,N,0,5,4};  
        matrix[5]=new int[]{N,N,N,4,5,0,6};  
        matrix[6]=new int[]{2,3,N,N,4,6,0};  
        Graph G=new Graph(vertex.length,matrix,vertex);  //构建图对象  
        //上述为测试用例  
        G.floyd();
		G.show();
    }  
}  
class Graph{
	char[] vertex;
	private int[][] dis;//从各个顶点出发到其他顶点的距离
	private int[][] pre;//到达目标顶点的前驱顶点
	public Graph(int length,int[][] matrix,char[] vertex){
		this.vertex=vertex;
		this.dis=matrix;
		this.pre=new int[length][length];
		for(int i=0;i<length;i++){
			Arrays.fill(pre[i],i);
		}
	}
	public void floyd(){
		int len=0;
		for(int k=0;k<dis.length;k++){//作为中间顶点
			for(int i=0;i<dis.length;i++){//从i顶点出发
				for(int j=0;j<dis.length;j++){//到达j顶点，经过k顶点
					len=dis[i][k]+dis[k][j];
					if(len<dis[i][j]){
						dis[i][j]=len;//更新距离
						pre[i][j]=pre[k][j];//更新前驱顶点
					}
				}
			}
		}
	}
	public void show(){
		for(int k=0;k<dis.length;k++){//作为中间顶点
			for(int i=0;i<dis.length;i++){//从i顶点出发
				System.out.print(vertex[pre[k][i]]+" ");
			}
			System.out.println();
			for(int i=0;i<dis.length;i++){//从i顶点出发
				System.out.print(dis[k][i]+" ");
			}
			System.out.println();
		}
	}
}

输出结果：

E:\>java t
==========================
A A A F G G A           第一行表示从A顶点到下标对应顶点的前驱顶点 
0 5 7 12 6 8 2          第一行表示从A顶点到下标对应顶点的最短距离
==========================
B B A B G G B
5 0 12 9 7 9 3
==========================
C A C F C E A
7 12 0 17 8 13 9
==========================
G D E D F D F
12 9 17 0 9 4 10
==========================
G G E F E E E
6 7 8 9 0 5 4
==========================
G G E F F F F
8 9 13 4 5 0 6
==========================
G G A F G G G
2 3 9 10 4 6 0

从第一行结果中看出，由A到D的最短路径中，D的前驱为F，F的前驱为G，G的前驱为A，即A->G->F->D，距离为：12。

总结

弗洛伊德算法相比于迪杰斯特拉算法，能够计算图中所有顶点之间的最短路径，迪杰斯特拉时间复杂度为O(n^2)，弗洛伊德算法时间复杂度为O(n^3)。